7.1 装饰器基本知识
装饰器是可调用对象，其参数是另一个函数（被装饰的函数）。装饰器可能会处理被装饰函数，然后把它返回，或者将其替换成另一个函数或可调用对象
假如有个名为decorate的装饰器：
@decorate
def target():
print('running target()')
上述代码的效果与下述写法一样：
def target():
print('running target()')
target = decorate(target)
两种写法的最终结果一样：上述两短代码片段执行完毕后得到的target不一定是原来那个target函数，而是decorate(target)返回的函数。
为了确认被装饰的函数会被替换，请看以下实例
def deco(func):
def inner():
print('running inner()')
return inner #deco 返回inner
@deco
def target(): #使用deco装饰target
print('running target()')
target() #调用被装饰的target其实会运行inner
target #审查对象，发现target现在是inner的引用
1
严格来说，装饰器只是语法糖。如前所示，装饰器可以像常规的可调用对象那样调用，其参数是另一个函数。有时，这样做更方便，尤其是做元编程（在运行时改变程序的行为）时。
综上，装饰器的一大特色是，能把被装饰的函数替换成其他函数，第二个特性是，装饰器在加载模块时立即执行。
7.2 Python何时执行装饰器
装饰器的一个关键特性是，它们在被装饰的函数定义之后立即运行。这通常是在导入时（即Python加载模块时），如下示例中的registration.py模块所示。
registry = [] #registry 保存被@register 装饰的函数引用
def register(func): register 的参数是一个函数
print('running register(%s)' %func) #为了演示，显示被装饰的函数
registry.append(func) #把func存入registry
return func #返回func:必须返回函数；这里返回的函数与通过参数传入一样
@register
#f1和f2被@register 装饰。
def f1():
print('running f1()')
@register
def f2():
print('running f2()')
def f3(): #f3没有装饰
print('running f3()')
def main(): #main显示registry ,然后代用f1() f2() 和f3()
print('running main')
print('registry ->' , registry)
f1()
f2()
f3()
if __name__ = '__main__':
main() #只有把registration.py当做脚本运行时才调用main
当把registration.py当做脚本运行时 得到如下结果：
2
注意，register 在模块中其他函数之前运行（两次）。调用register时，传给它的参数是被装饰的函数，例如<function f1 at 0x100631bf8>。
加载模块后，registry 中有两个被装饰函数的引用：f1 和 f2。这两个函数，以及f3，只在main明确调用它们时才执行。
7.3 使用装饰器改进“策略”模式
使用注册装饰器可以改进第六章的电商促销折扣示例
proms = []
def promotion(promo_func):
promos.append(promo_func)
return promo_func
@promotion
def fidelity(order):
"""为积分为1000或以上的顾客提供5%的折扣"""
return order.total() * .05 if order.customer.fidelity >= 1000 else 0
@promotion
def bulk_item(order):
"""单个商品为20个或以上时提供10%折扣"""
discount = 0
for item in order.cart:
if item.quantity >= 20:
discount += item.total() * .1
return discount
@promotion
def large_order(order):
"""订单中的不同商品达到10个或者以上时提供7%折扣"""
distinct_items = {item.product for item in order.cart}
if len(distinct_items) >= 10:
return order.total() * .07
return 0
def best_promo(order):
"""选择最佳折扣"""
return max(pormo(order) for promo in promos)
7.4 变量作用域规则
#一个函数，读取一个局部变量和一个全局变量
def f1(a):
print(a)
print(b)
f1(3)
3
出现错误并不奇怪，在以上实例中，如果先给全局变量b赋值，然后再调用f，那就不会出错
b = 6
f1(3)
4
看一下以下示例的f2函数，前两行代码和f1一样，然后为b赋值，再打印它的值，可是，在赋值之前，第二个print失败了
b = 6
def f2(a):
print(a)
print(b)
b = 9
f2(3)
5
注意，首先输出了3 ，这表明print(a)语句执行了，但是第二个语句print(b)执行不了。原先以为会打印6 因为有个全局变量b，而且print(b)之后为局部变量b赋值的。
可事实上，python编译函数的定义体时，它判断b是局部变量，因为在函数中给它赋值了。生成的字节码证实了这种判断，Python会尝试从本地环境获取b。后面调用f2(3)时，f2的定义体会获取并打印局部变量a的值，但是尝试获取局部变量b的值时，发现b没有绑定值
这不是缺陷，而是设计选择：Python 不要求声明变量，但是假定在函数定义体中赋值的变 量是局部变量。这比 JavaScript 的行为好多了，JavaScript 也不要求声明变量，但是如果忘 记把变量声明为局部变量（使用 var），可能会在不知情的情况下获取全局变量。
如果在函数中赋值时想让解释器把 b 当成全局变量，要使用 global 声明：
b = 6
def f3(a):
global b
print(a)
print(b)
b = 9
f3(3)
6
b
7
f3(3)
8
b = 30
b
9
7.5 闭包
在博客圈，人们有时会把闭包和匿名函数弄混。这是有历史原因的：在函数内部定义函数 不常见，直到开始使用匿名函数才会这样做。而且，只有涉及嵌套函数时才有闭包问题。 因此，很多人是同时知道这两个概念的。
其实，闭包指延伸了作用域的函数，其中包含函数定义体中引用、但是不在定义体中定义的 非全局变量。函数是不是匿名的没有关系，关键是它能访问定义体之外定义的非全局变量。
这个概念难以掌握，最好通过示例理解。
假如有个名为 avg 的函数，它的作用是计算不断增加的系列值的均值；例如，整个历史中 某个商品的平均收盘价。每天都会增加新价格，因此平均值要考虑至目前为止所有的价格。
#计算移动平均的类
class Averager():
def __init__(self):
self.series = []
def __call__(self , new_value):
self.series.append(new_value)
total = sum(self.series)
return total / len(self.series)
avg = Averager()
print(avg(10))
print(avg(11))
print(avg(12))
10
# 计算移动平均的高阶函数
def make_averager():
series = []
def averager(new_value):
series.append(new_value)
total = sum(series)
return total/len(series)
return averager
注意，这两个示例有共通之处：调用 Averager() 或 make_averager() 得到一个可调用对象 avg，它会更新历史值，然后计算当前均值。在示例 7-8 中，avg 是 Averager 的实例；在示 例 7-9 中是内部函数 averager。不管怎样，我们都只需调用 avg(n)，把 n 放入系列值中， 然后重新计算均值。
Averager 类的实例 avg 在哪里存储历史值很明显：self.series 实例属性。但是第二个示 例中的 avg 函数在哪里寻找 series 呢？
例中的 avg 函数在哪里寻找 series 呢？
注意，series 是 make_averager 函数的局部变量，因为那个函数的定义体中初始化了 series：series = []。可是，调用 avg(10) 时，make_averager 函数已经返回了，而它的本 地作用域也一去不复返了。
在 averager 函数中，series 是自由变量（free variable）。这是一个技术术语，指未在本地 作用域中绑定的变量
11
网友评论